NVIDIA 全面押注具身智能：推人形机器人全套开发工具与云服务

造一个人形机器人，最让人头疼的往往不是关节电机怎么装，而是怎么教它干活。

过去训练机器人，工程师得戴着动捕设备或拿着手柄，一遍遍做示范。这种物理遥操作既昂贵又耗时，采集几百个小时的数据可能就得折腾几个月。

在 SIGGRAPH 现场，NVIDIA 拿出了自己的一整套解法。黄仁勋宣布为全球人形机器人开发者推出一揽子套件，包括专门的 NIM 微服务、工作流调度服务 OSMO，以及一套用极少量示范数据就能训练机器人的新流程。

戴上 Vision Pro 做一次，剩下的交给合成数据

NVIDIA 演示的这套新工作流，思路很简单：人类只做最小限度的示范，剩下的数据全靠 AI 自己生成。

工程师戴上 Apple Vision Pro 做几套动作示范，系统采集到极少量的遥操作数据。随后，这些动作被放进基于 Omniverse 的物理仿真平台 NVIDIA Isaac Sim 中。

接下来就轮到两个新发布的 NIM 微服务登场了。其中一个叫 MimicGen，它能根据刚录下的少量动作轨迹，自动变换条件，生成海量的合成动作数据；另一个叫 Robocasa，能在 3D 通用格式 OpenUSD 里自动生成各种机器人任务和仿真场景。

这些真实与合成数据合在一起，用来训练 NVIDIA 之前公布的人形机器人通用基础模型 Project GR00T。接着再用 Isaac Lab 里的环境让机器人做强化学习，反复迭代模型。

为了把这一长串折腾人的流程串起来，NVIDIA 上线了云原生编排服务 OSMO。不管是本地集群还是云端算力，从生成数据、训练模型到在环测试，OSMO 都能自动调度任务。官方表示，它能把原本几个月的开发周期压到一周以内，而容器化的 NIM 微服务能把部署时间从几周缩短到几分钟。

朋友圈拉来半个机器人圈

除了软件套件，NVIDIA 还梳理了底层硬件矩阵：云端训练用 AI 超算，仿真和技能学习用 Isaac Sim，机器人本体端则跑在 Jetson Thor 车载及机器人计算芯片上。

他们同步开放了人形机器人开发者计划。首批拿到早期访问权限的名单相当豪华，涵盖了 Boston Dynamics、Figure、1X、Skild AI、Field AI、Mentee、Neura Robotics，以及中国的傅利叶、逐际动力、银河通用、星动纪元和字节跳动研究团队（ByteDance Research）。

傅利叶 CEO 顾捷提到，人形机器人研发极度复杂，从物理世界硬采数据非常费时费力，这套仿真与生成式 AI 工具有助于帮模型解决冷启动难题。

为什么重要

我们认为，NVIDIA 这次动作最聪明的地方，在于它精准踩中了当前人形机器人行业最大的死穴——数据饥渴。

大语言模型能靠抓取互联网上海量文本起步，但具身智能在物理世界里没有现成的现成互联网数据可用。如果全靠实机采集，成本高到普通创业团队根本承受不起。NVIDIA 拿出「Vision Pro 采集加仿真扩增」的方案，相当于给开发者提供了一条低成本造数据的捷径。

对开发者和初创团队来说，这意味着你不需要养一支庞大的动作采集队伍，就能开始训练自己的基础模型。只要买得起算力和头显，技术验证的门槛被大幅拉低了。

对行业而言，NVIDIA 显然想把大模型时代的霸权原封不动搬到机器人领域。从底层的超算芯片、板载计算模块 Jetson Thor，到中层的 Omniverse 仿真引擎，再到顶层的模型微服务与任务调度，它正在把具身智能的工具链焊得死死的。未来哪怕机器人本体不是 NVIDIA 做的，里面的大脑和开发流程也全在它的生态里打转。

不过看起来隐患也很明确。合成数据虽然便宜、量大，但仿真环境和物理现实之间的差异——也就是业内常说的 Sim-to-Real 鸿沟——依然是玄学。机器人完全在虚拟世界里学出来的灵巧操作，落到真实复杂的非结构化环境里到底会不会翻车，依然要打个问号。